cuda+cudnn+pytorch2.2安装

原创 已于 2025-02-25 11:46:22 修改 · 1.6k 阅读 · 27 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pytorch

于 2024-12-04 22:24:31 首次发布

之前安装GPU一直是囫囵吞枣，秉承能用就行的原则，现在尝到了恶果，从这次开始记录电脑的配置环境

由于要复现一篇文章代码，他用的torch=2.2，同时由于复现代码导致突然原来的cuda报错OSError: [WinError 127] 找不到指定的程序。 Error loading “D:\Anaconda3\envs\pytorch39_cuda\lib\site-packages\torch\lib\c10_cuda.dll” or one of its dependencies.

尝试多种方法解决未果
因此，重新用anoconda创建环境，重新配置

声明情况: 目前电脑已经有cuda11.0版本和10.0版本

主要参考：文章配置环境

1. 输入nvidia-smi

从右上角可以看出工位电脑cuda支持的最高版本是12.4
在这里插入图片描述由于复现的代码torch为2.2，经过网上搜索发现cuda11.8+torch2.2可以支持，因此以下步骤全部参考自https://blog.youkuaiyun.com/imok1234567/article/details/140251769

2. 下载cuda11.8

进入下载页面CUDA Toolkit Archive | NVIDIA Developer（

最低0.47元/天 解锁文章

200万优质内容无限畅学
【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
ubuntu20.04+cuda11.8+cudnn8.9.6+pytorch2.4.1 + tensorflow2.12安装记录
xiaowu_wu的博客
10-13 1771
rtx4090ubuntu20.04+cuda11.8+cudnn8.9.6安装记录。
win11安装PyTorch2.2.2+cuda12.1+Python3.8
qq_34425255的博客
04-01 3390
确保自己已经安装好了Anaconda，确保自己要安装的cuda runtime版本是多少比如我这里Anaconda安装包版本是：Anaconda3-2024.02-1-Windows-x86_64.exe我结合自己电脑的硬件显卡名字是RTX 4060，算力是8.9，然后结合显卡驱动cuda driver版本最终确定自己电脑要安装的cuda runtime版本是12.1然后在Anaconda里面创建自己的虚拟环境，并要求Python版本是3.8然后记得激活自己创建的虚拟环境。
史上最强 PyTorch 2.2 GPU 版最新安装教程
跟着大数据和AI去旅行
04-03 5274
史上最强 PyTorch 2.2 GPU 版最新安装教程
超详细win安装深度学习环境2025年最新版（cuda11.8+torch2.2）
imok1234567的博客
07-08 1万+
深度学习基础环境搭建
PyTorch 2.2 中文官方教程（二）
龙哥盟
02-04 1950
在 YouTube 上介绍 PyTorch PyTorch 介绍 - YouTube 系列 原文：pytorch.org/tutorials/beginner/introyt.html 译者：飞龙 协议：CC BY-NC-SA 4.0 介绍 || 张量 || 自动微分 || 构建模型 || TensorBoard 支持 || 训练模型 || 模型理解 作者：Brad Heintz 本教程与 YouTube 上的PyTorch 初学者系列一起进行。 本教程假定您对 Python 和深度学习概念有基本了解。
PyTorch 2.2 中文官方教程（十七）
龙哥盟
02-04 1707
在本教程中，我们想要强调一个新的函数，可以帮助实现 Transformer 架构。该函数被命名为。有关该函数的详细描述，请参阅PyTorch 文档。该函数已经被整合到和中。在高层次上，这个 PyTorch 函数根据论文中的定义，计算查询、键和值之间的缩放点积注意力（SDPA）。虽然这个函数可以使用现有函数在 PyTorch 中编写，但融合实现可以比朴素实现提供更大的性能优势。接下来，我们需要定义我们的模型类。这里需要设置几个用户定义的参数。
Centos7配置深度学习环境 CUDA 11.8+PyTorch 2.2.2
x737686314的博客
08-20 2831
但如果是普通用户安装，需设定安装路径为用户主目录下，光标移动到Change Toolkit Install Path按回车，手动修改安装路径后按回车退出路径配置界面。根据自己要求选择服务，我们只安装CUDA Toolkit 11.8，光标分别移动到Driver、CUDA Demo Suite 11.8、CUDA Documentation 11.8，按空格键，去掉选择。光标移动到Done按回车，退出配置界面，回到开始界面，光标移动到Install按回车，开始安装，安装完成如下图。
手把手教你Win系统配置深度学习(GPU)环境： Anaconda3+CUDA+cuDNN+pytorch
qq_51475793的博客
07-26 3417
最近跑行为识别的网络模型，所以需要在笔记本上配置深度学习的坏境，准备将踩过的坑都记录下来。巨详细的那种！！！ 配置：winsows系统，GTX3050显卡。（AMD显卡不能直接调cuda，只能装虚拟机，在Linux系统上安装ROMc来调cuda，巨麻烦，而且只有部分型号的amd显卡才支持安装ROMc） 1、 Anaconda安装 1.1 先下载Python还是Anaconda？ Anaconda！装anaconda，就不需要单独装在python了！ 1.2 Anacond...
cuda+python+pytorch安装说明
08-11
本文档详细介绍了在 Ubuntu 和 Windows 平台上安装 CUDA、cuDNN、PyTorch 以及相关库的步骤。 一、Ubuntu 安装 CUDA、cuDNN、PyTorch 及相关库 1.1 安装 CUDA （1）安装驱动。在系统设置 -> 软件和更新 -> 附加...
torch-2.2.0a0+6a974be.nv23.11-cp310-cp310-linux-aarch64.whl
12-11
jetson官方提供torch安装包需要系统默认环境是python3.10，不要在jetson上使用anaconda安装这个
Windows下pytorch-gpu安装以及CUDA详细安装过程 附带各个版本安装包
weixin_46504244的博客
05-06 4742
2.Cuda的下载安装及配置 2.1安装Cuda 2.1.1查看本机是否有独立显卡 首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。 可以看到本机有一个集成显卡和独立显卡NVIDIA GeForce RTX 2080 SUPER ...
pytorch与cuda对应版本
lwx666sl的博客
04-16 466
python安装PyTorch+cuda
qq_37430469的博客
07-04 574
下载完成后，将压缩包解压，将 bin、include、lib 3个文件夹复制到cuda的安装目录v11.8下。2,要实现这个结果非常复杂,很多环境不兼容等问题,今天这里一一解答。在for CUDA 11.x 里面随便选一个版本，我选的是最新版本。运行 nvcc -V 可知，当前cuda版本为 11.8。下载前要先注册信息，不算特别麻烦，勾几个√就行。4,下载后根据截图自定义安装,7,安装pytorch2.0。这里先要建立虚拟环境。
【Pytorch、torchvision、CUDA 各个版本对应关系以及安装指令】
热门推荐
clmeng77的博客
03-03 15万+
Pytorch、torchvision、CUDA 各个版本对应关系以及安装指令
pytorch与cuda版本对应关系汇总
u011489887的专栏
12-27 4万+
pytorch与cuda版本关系 |cuda版本| 支持pytorch版本 | |–|–| | cuda10.2 | 1.5 ~ 1.12 |
Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法
Williamcsj的博客
04-02 6万+
Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法
「PYTHON」配置支持cuda计算的torch环境
Suryxin's blogs
10-10 2430
「PYTHON」配置支持cuda计算的torch环境
深度学习环境配置cuda12.1 python3.9 pytorch2.2.1安装记录
Bsqfke的博客
06-21 796
创建深度学习环境 已经安装好了cuda
linux安装cuda、cudnn和pytorch
最新发布
04-01
<think>好的，我现在需要帮助用户解决在Linux系统上安装CUDA、cuDNN和PyTorch的问题，同时要注意版本兼容性。首先，我需要回顾用户提供的引用内容，确保信息准确。 用户提到参考了安装CUDA之前的步骤，比如确认GPU是否支持CUDA，访问NVIDIA官网下载对应版本，安装过程包括驱动程序和库的选择，以及验证安装。还有Anaconda和虚拟环境的搭建，PyTorch的安装。这些步骤需要详细梳理。 首先，安装前的准备：检查GPU型号，确保支持CUDA。用户可能在Linux下使用lspci或nvidia-smi命令。然后安装NVIDIA驱动，可能需要添加官方仓库或使用.run文件手动安装。这部分需要注意驱动版本与CUDA Toolkit的兼容性。 接下来是CUDA Toolkit的安装步骤，根据引用中的说明，下载对应版本的.run文件，执行安装。安装时可能需关闭图形界面，进入命令行模式。然后配置环境变量，如PATH和LD_LIBRARY_PATH，这一步很重要，否则系统可能找不到CUDA库。 然后是cuDNN的安装，用户需要注册NVIDIA开发者账号，下载对应CUDA版本的cuDNN，解压并复制文件到CUDA目录。需要确保cuDNN版本与CUDA版本匹配，否则可能出错。 接下来是Anaconda安装，用于创建虚拟环境，管理Python依赖。安装后创建环境，激活，然后安装PyTorch。PyTorch官网提供了不同CUDA版本的安装命令，必须选择与已安装的CUDA版本兼容的PyTorch版本，否则无法利用GPU加速。 版本兼容性方面，需要确认CUDA Toolkit、cuDNN、PyTorch之间的对应关系。例如，PyTorch 1.8可能要求CUDA 11.1，而cuDNN需要对应CUDA 11.x的版本。用户需要查阅各官方文档的版本要求，避免版本冲突。 验证安装部分，CUDA可以通过编译sample并运行deviceQuery来检查。cuDNN则可能通过检查头文件和库文件，或者运行测试代码。PyTorch中则用torch.cuda.is_available()确认是否识别GPU。 可能遇到的问题包括驱动安装失败，CUDA路径未正确设置，版本不匹配导致运行时错误。需要提醒用户仔细检查版本，参考官方文档，逐步操作。 现在需要将这些步骤整理成清晰的教程，分步骤说明，强调版本兼容性，并给出验证方法。同时生成相关问题，帮助用户深入理解可能遇到的后续问题。</think>以下是在Linux系统上安装CUDA、cuDNN和PyTorch的详细步骤及版本兼容性说明： --- ### **1. 安装前准备** #### **1.1 确认GPU支持CUDA** - 执行命令查看GPU型号： ```bash lspci | grep -i nvidia ``` - 访问[NVIDIA CUDA支持列表](https://developer.nvidia.com/cuda-gpus)确认是否支持[^2]。 #### **1.2 安装NVIDIA驱动** - 禁用系统默认驱动： ```bash sudo nano /etc/modprobe.d/blacklist-nouveau.conf # 添加内容：blacklist nouveau / options nouveau modeset=0 sudo update-initramfs -u ``` - 重启后安装驱动： ```bash sudo apt install nvidia-driver-535 # 根据CUDA版本选择驱动版本 ``` --- ### **2. 安装CUDA Toolkit** #### **2.1 下载CUDA** - 访问[CUDA Toolkit官网](https://developer.nvidia.com/cuda-toolkit-archive)，选择与驱动兼容的版本（例如CUDA 11.8）。 #### **2.2 安装CUDA** - 执行安装命令（以CUDA 11.8为例）： ```bash sudo sh cuda_11.8.0_520.61.05_linux.run ``` - **安装选项**：取消勾选驱动（已提前安装）和所有组件（默认全选）。 #### **2.3 配置环境变量** - 在`~/.bashrc`中添加： ```bash export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ``` - 生效配置： ```bash source ~/.bashrc ``` #### **2.4 验证CUDA** - 编译并运行示例程序： ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make && ./deviceQuery ``` - 输出显示`Result = PASS`表示成功。 --- ### **3. 安装cuDNN** #### **3.1 下载cuDNN** - 访问[cuDNN官网](https://developer.nvidia.com/cudnn)，选择与CUDA版本兼容的cuDNN（例如CUDA 11.x对应cuDNN 8.9.4）。 #### **3.2 安装cuDNN** - 解压并复制文件到CUDA目录： ```bash tar -xzvf cudnn-linux-x86_64-8.9.4.25_cuda11-archive.tar.xz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` --- ### **4. 安装PyTorch** #### **4.1 创建Anaconda虚拟环境** - 安装Anaconda后创建环境： ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` #### **4.2 安装PyTorch** - 根据CUDA版本选择PyTorch命令（CUDA 11.8对应PyTorch 2.0+）： ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` #### **4.3 验证PyTorch** - 运行Python检查GPU支持： ```python import torch print(torch.__version__) # 输出版本号（如2.0.1） print(torch.cuda.is_available()) # 输出True表示成功 ``` --- ### **版本兼容性表** | 组件 | 推荐版本 | 兼容范围 | |------------|----------------|------------------| | CUDA | 11.8 | 11.0~11.8 | | cuDNN | 8.9.4 | 需匹配CUDA版本 | | PyTorch | 2.0.1 | 需指定`cu118` | | NVIDIA驱动 | ≥535.86.05 | 需支持CUDA 11.8 | --- ### **相关问题** 1. 如何解决安装CUDA时出现的驱动冲突问题？ 2. cuDNN未正确安装会导致哪些PyTorch错误？ 3. 如何在多版本CUDA之间切换？ 4. PyTorch如何强制使用CPU而非GPU？ --- **引用说明** - 环境变量配置和驱动安装步骤参考了CUDA官方文档。 - PyTorch安装命令需严格匹配CUDA版本[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值